-
题名面向嵌入式的卷积神经网络硬件加速器设计
被引量：4
- 1
-
-
作者
唐蕊
焦继业
徐华昊
-
机构
西安邮电大学计算机学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第4期252-257,共6页
-
基金
国家自然科学基金(61874087)。
-
文摘
近年来,随着神经网络模型越来越复杂,针对卷积神经网络推理计算所需内存空间过大,限制其在嵌入式设备上部署的问题,提出一种动态多精度定点数据量化硬件结构,使用定点数代替训练后推理过程中的浮点数执行卷积运算。结果表明,采用16位动态定点量化和并行卷积运算硬件架构,与静态量化策略相比,数据准确率高达97.96%,硬件单元的面积仅为13740门,且内存占用量和带宽需求减半。相比Cortex M4使用浮点数据做卷积运算,该硬件加速单元性能提升了90%以上。
-
关键词
卷积神经网络
嵌入式设备
动态多精度定点数据量化
并行卷积运算硬件架构
-
Keywords
convolutional neural network
embedded devices
dynamic multi-precision fixed-point data quantization
parallel convolutional operation hardware architecture
-
分类号
TP302
[自动化与计算机技术—计算机系统结构]
-
